外涵静子叶片是大涵道比涡扇发动机气路的核心部件之一,外涵静子脱出是一种较为严重的故障模式,此故障可能会导致飞机或其他发动机部件损伤,进而造成灾难性事故。对外涵静子叶片脱出故障的预警是一项重要的工作。但因其早期特征不明显,...外涵静子叶片是大涵道比涡扇发动机气路的核心部件之一,外涵静子脱出是一种较为严重的故障模式,此故障可能会导致飞机或其他发动机部件损伤,进而造成灾难性事故。对外涵静子叶片脱出故障的预警是一项重要的工作。但因其早期特征不明显,现有的方法较难对此类故障进行有效的预警。因此,针对该问题,基于监控数据提出一种深度特征提取的支持向量数据域描述(Support vector data description,SVDD)的故障预警方法,以实现对外涵静子叶片脱出故障的早期预警。首先,采用基于发动机气路性能辨识的建模方法,建立发动机特定性能参数的观测模型对气路参数进行深度特征提取,以真实状态量与模型观测量的差值作为航空发动机是否发生故障的特征;然后利用SVDD算法建立决策边界,实现故障数据的自动划分,决策边界生成的阈值可在故障发生之前的一定时间之内给出告警;最后,经过多次计算,结果表明,在故障早期直至故障发生的区间内,表征其健康状态的性能参数都与观测量有较大的偏移,表明了所选特征的有效性。使用数据增强方法生成故障仿真数据与真实数据进行对比验证,预警时间比故障真实发生时间预警模型平均提前3.14 h。展开更多
文摘外涵静子叶片是大涵道比涡扇发动机气路的核心部件之一,外涵静子脱出是一种较为严重的故障模式,此故障可能会导致飞机或其他发动机部件损伤,进而造成灾难性事故。对外涵静子叶片脱出故障的预警是一项重要的工作。但因其早期特征不明显,现有的方法较难对此类故障进行有效的预警。因此,针对该问题,基于监控数据提出一种深度特征提取的支持向量数据域描述(Support vector data description,SVDD)的故障预警方法,以实现对外涵静子叶片脱出故障的早期预警。首先,采用基于发动机气路性能辨识的建模方法,建立发动机特定性能参数的观测模型对气路参数进行深度特征提取,以真实状态量与模型观测量的差值作为航空发动机是否发生故障的特征;然后利用SVDD算法建立决策边界,实现故障数据的自动划分,决策边界生成的阈值可在故障发生之前的一定时间之内给出告警;最后,经过多次计算,结果表明,在故障早期直至故障发生的区间内,表征其健康状态的性能参数都与观测量有较大的偏移,表明了所选特征的有效性。使用数据增强方法生成故障仿真数据与真实数据进行对比验证,预警时间比故障真实发生时间预警模型平均提前3.14 h。
